UnicodeDecodeError: 'ascii'编解码器无法解码

Question

我正在使用 file.readline() 在 Python 中读取包含罗马尼亚语单词的文件。 由于编码，我遇到了许多字符的问题。

示例：

>>> a = "aberație"  #type 'str'
>>> a -> 'abera\xc8\x9bie'
>>> print sys.stdin.encoding
UTF-8

我尝试过使用 utf-8、cp500 等进行编码（），但它不起作用。

我找不到我必须使用的正确字符编码？

提前致谢。

编辑：目的是将文件中的单词存储在字典中，并在打印时获取 aberaşie 而不是 'abera\xc8\x9bie'

Answer 1

你想做什么？

这是一组字节：

BYTES = 'abera\xc8\x9bie'

它是一组字节，表示字符串“aberaşie”的 utf-8 编码。您解码字节以获得您的unicode字符串：

>>> BYTES 
'abera\xc8\x9bie'
>>> print BYTES 
aberație
>>> abberation = BYTES.decode('utf-8')
>>> abberation 
u'abera\u021bie'
>>> print abberation 
aberație

如果您想将unicode字符串存储到文件中，那么您必须将其编码为您选择的特定字节格式:

>>> abberation.encode('utf-8')
'abera\xc8\x9bie'
>>> abberation.encode('utf-16')
'\xff\xfea\x00b\x00e\x00r\x00a\x00\x1b\x02i\x00e\x00'